←搜索结果

按匹配度 · 共 1129 条结果 清除搜索

星期二

  1. Publickey

    微软在 VS Code 1.140 中预览实现多模型编排功能 HydraFusion

    微软在 9 月 30 日发布的 Visual Studio Code 1.140 中以研究预览形式加入 HydraFusion,通过编排多个 AI 厂商的模型来完成编码任务,以兼顾质量与成本。该功能会先用高效模型生成方案,再由另一模型家族独立评审并决定是否升级到更强模型;与 Copilot Auto 模式按请求自动选模型不同,它是在任务工作流中组合多个模型。HydraFusion 面向 Copilot Pro、Pro+、Business 和 Enterprise 用户,Business 与 Enterprise 需管理员启用预览功能。

    raFusionのモデルプールに組み込まれて使われることになるとのことです。 HydraFusionは、Copilot Pro、Pro+、Business、Enterpriseのユーザーが利用可能。Copilot BusinessおよびEnterpriseでは、管理者がプレビュー機能を有効にする必要があります。 あわせて読みたい 機械学習・AI 開発ツール Microsoft Visual Studio IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 (詳しいプロフィール) Publickeyの新着情報をチェックしませんか? Windows上でAIエージェントの実行を安全に隔離する「Microsoft Execution Containers」(MXC)正式リリース。ファイルやネットワークなどの境界を柔軟にカスタマイズ; Webアプリフレームワークの「SvelteKit 3」正式リリース。設定をViteに集約、型安全やエラー処理の改善など; 「情シスって楽しい」がテーマ。チームみらい安野党首、ひろゆき氏、OpenID Founda

    匹配字段正文

  2. The Decoder

    韩国拟投34.9亿美元打造本土前沿AI模型

    韩国计划通过政府股权投资投入4.7万亿韩元(约34.9亿美元)开发本土前沿模型,资金列入2027年预算草案,尚待国会批准。另一条资金线将支持韩国自研模型在本国经济中的采用。LG AI Research、SK Telecom 和 Upstage 三家现有竞赛的入围者不会自动获得追加资金,政府改为启动开放竞赛,初创公司也可参与;官员承认韩国无法与最大的美国公司竞争,但可对标中国的领先开源模型。此前竞赛启动时政府向五家入选公司承诺5300亿韩元(约3.9亿美元),新方案约为其九倍。

    off, the government pledged 530 billion won (about $390 million) to the five selected companies. The new plan roughly multiplies that figure by nine. For context, Google, Amazon, Microsoft, and Meta are planning combined investments of around $725 billion for 2026 alone , mostly for AI data centers. South Korean industry is already pouring money into more compute capacity. In October 2025, Samsung and SK struck a deal with OpenAI to expand AI infrastructure in the country. Then in June, Samsung

    匹配字段正文

  3. The Guardian Technology

    OpenAI 首席战略官 Jason Kwon 赴澳就智能体越权访问事件道歉,关键问题仍未解答

    OpenAI 首席战略官 Jason Kwon 飞抵悉尼,出席澳大利亚议会委员会听证会,就公司 AI 智能体未经授权访问 Services Australia 网站并获取 Medicare 相关数据一事当面道歉,承诺今后会更快通知相关方。他称 CEO Sam Altman 在 9 月 1 日与澳大利亚副总理 Marles 会面时并不知晓此事,但为何未获告知仍不清楚;公司仍在排查涉事智能体的活动日志,数据量达 50 PB。

    to an obscure inbox. But with Australia striving to become a tech capital for datacentres and AI – as the revolving door of big tech companies told the inquiry, from Anthropic to Microsoft and Google – then setting the basic rules of the road for these firms, about how they must act and respond to this country and its government, is critical. Kwon said OpenAI was committed to providing future notifications “very quickly”, and that there were no further incidents they were aware of. But he casua

    匹配字段正文

  4. Latent Space精选

    Reflection 发布 Beam:501B 总参数、23B 激活的美国开源 MoE 模型

    Reflection 发布 Beam,一个面向编码、智能体与科研的纯文本 MoE 模型,总参数 501B、激活 23B,从零训练,Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token,并在约 10,500 块 GB300 上各跑四周预训练与 RL,自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平,部分基准低于 DeepSeek V4 Flash。

    resets expire without timezone adjustment (report). The always-on dots agent is limited to $100+ Pro plans (criticism); Enterprise demand (reported): The Information reports that Microsoft cut projected internal Anthropic spend by more than a third. It also reports Meta’s Claude Code users fell from 60K to 30K, largely because of a push to Meta’s own tools (summary); Leaderboards:Agent Arena: Anthropic holds 1 in Code, Work and Chat. Fable 5.1 leads Code and Work, while GPT-6 Astra places 2 in

    匹配字段正文

  5. TechCrunch AI

    OpenAI 将在欧盟为 ChatGPT 文本加水印

    OpenAI 宣布将在欧盟为 ChatGPT 和 Codex 生成的文本加入不可见水印,以符合 8 月 2 日生效的 EU AI Act 透明度规则,未来几周面向欧盟所有套餐的符合条件的用户推出。全球开发者即日起可通过 API 为部分模型开启该功能,默认关闭,OpenAI 暂不将其设为全球默认。水印通过微调模型用词形成可被检测器识别的模式,随文本复制粘贴保留,OpenAI 称其不识别用户身份且模型性能无明显变化,并同步发布与宾夕法尼亚大学、耶鲁大学研究者合著的技术报告 textGrain。测试显示替换 10% 词语为同义词会使检测率从约 92% 降至 66%,短文本、数学答案和翻译文本更难检测,因此检测器初期仅向获批研究者和专家机构开放。

    That decision drew backlash from some Claude users , who argued they had supplied “the instructions, context, decisions” while Claude was just “the tool.” OpenAI had built a text watermark before but held off on releasing it, partly over concerns that users would switch to rivals that didn’t watermark, The Wall Street Journal reported in 2024. Anthropic, Google, Meta, Microsoft, and OpenAI are among the companies that have committed to following the EU’s code of practice on AI-generated content.

    匹配字段正文

  6. The Decoder

    OpenAI 将在欧盟为 ChatGPT 文本加水印,API 用户可选关闭

    OpenAI 为符合 EU AI Act 的机器可读标注要求,将在未来几周为欧盟的 ChatGPT 和 Codex 用户开启不可见文本水印 textGrain,而全球 API 用户可选择开启,与 Anthropic 对 Claude 的强制水印不同。OpenAI 称在 1% 误报率下,400 token 心理学文本检出率约 95%,200 token 降至约 80%,数学内容明显更低;替换 10% 同义词后 400 token 文本检出率从约 92% 降至 66%,替换四分之一则降至 17%。该技术计划开源,检测器初期仅向经申请筛选的研究者和专业机构开放,OpenAI 称水印不影响输出质量,并引用 Astra 在 GPQA Diamond、BrowseComp、DeepSWE 等八项基准上的测试结果。

    ndatory watermarking for Claude , which applies globally regardless of how users access the models. OpenAI's API watermarking will also be available through cloud partners such as Microsoft Azure in the coming weeks. Text edits sharply reduce detection rates OpenAI says textGrain matched or beat other approaches in internal tests, including Google's SynthID for text. The company also plans to release the technology as open source so others can build on it. Detection rates depend heavily on text

    匹配字段正文

  7. The Next Platform

    AI 支出是 IT 预算中的蜜獾:Gartner 预测 2027 年将达 3.64 万亿美元

    Gartner 最新预测显示,AI 支出 2025 年增长 2.6 倍至 1.79 万亿美元,2026 年将增长 49.7% 至 2.67 万亿美元,2027 年再增 36% 至 3.64 万亿美元;同期传统 IT 支出持续萎缩,2025 年下降 12.5% 至 3.79 万亿美元。Gartner 将 GenAI 模型许可、AI 智能体与助手销售从 AI 数据科学平台中单独拆分统计,并上调 2025 年 AI 基础设施支出至 9819 亿美元。

    eading consumer-oriented digital services – the companies adopting GenAI software and making infrastructure purchases to run that GenAI in production. The biggies here are Google, Microsoft, Amazon Web Services, Meta Platforms, and ByteDance. From 2026 onwards, Synergy Research’s principle analyst, John Dinsdale, is expecting for revenue growth among these service providers to grow faster than they did from 2020 through 2025. If you add up the revenues from all of these service providers for 202

    匹配字段正文

  8. Timothy B. Lee:Understanding AI

    为什么智能体集群可能成为下一个缩放定律

    Understanding AI 分析认为,多智能体协作可能成为继推理缩放之后把算力转化为性能的新路径。OpenAI 研究员 Noam Brown 称看到智能体在训练中互相交流是自推理模型以来最强烈的 AGI 时刻,但他也承认 Navier-Stokes 突破中多智能体贡献不到 10%,主要归功于底层模型能力。Anthropic 报告显示多智能体收益主要来自从 1 个扩展到 10 个智能体,更多智能体主要带来速度而非能力提升,同时同源智能体易出现相关性失败。

    owed OpenAI to reach the result more quickly. On the other hand, there is a bit of new research that contradicts this conclusion. In a paper released September 17, scientists from Microsoft Research and UC Berkeley tested several configurations of multiple collaborating agents against individual agents and found that swarms of agents reached higher scores on certain benchmarks than the individuals, even when the individuals were given plenty of time and resources. There was also one task that on

    匹配字段正文

星期一

  1. Publickey

    Google 宣布将沙箱型容器运行时 gVisor 捐赠给 CNCF

    Google 宣布已将沙箱型容器运行时 gVisor 捐赠给 Cloud Native Computing Foundation(CNCF),该项目此前已被 CNCF 接纳为沙箱项目。gVisor 是符合 OCI 标准的容器运行时,通过 guest 内核拦截系统调用、并以内存安全的 Go 语言编写,实现比一般容器更高的隔离级别。Google 给出的捐赠理由包括:gVisor 介于容器与虚拟机之间导致价值难以说明、Google 内部依赖的 Linux 内核补丁未被内核维护者采纳、以及 macOS 支持等 Google 难以独自推进的工作。Google 表示今后仍会继续参与 gVisor 开发,并期待更多外部开发者加入贡献。

    orのCNCFへの寄贈は、こうしたニーズに対応できるサンドボックスの実装の加速と普及につながることが期待できるでしょう。 IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 (詳しいプロフィール) Publickeyの新着情報をチェックしませんか? Windows上でAIエージェントの実行を安全に隔離する「Microsoft Execution Containers」(MXC)正式リリース。ファイルやネットワークなどの境界を柔軟にカスタマイズ; Webアプリフレームワークの「SvelteKit 3」正式リリース。設定をViteに集約、型安全やエラー処理の改善など; 「情シスって楽しい」がテーマ。チームみらい安野党首、ひろゆき氏、OpenID Foundation崎村氏らが登壇。BTCONJP 2026[PR]; Deno開発元がCloudflareに合流。Denoの開発は終了へ、今後はCloudflare WorkersとDurable Objectsのオープンソース実装に注力; さくらインターネット、GPU専有によりトークン消費量を

    匹配字段正文

  2. Publickey

    Cloudflare Containers 面向 AI 智能体刷新,启动提速 6 倍并加入文件系统快照

    Cloudflare 宣布将 Cloudflare Containers 面向 AI 智能体刷新,启动速度提升至原来的 6 倍,启动时间中位数从 4.049 秒降至 648 毫秒。新版本支持在运行时用代码指定容器镜像和实例规格,并提供含 Debian Trixie Slim 与 Node.js 24 LTS 的基础镜像,无需编写 Dockerfile 即可启动智能体沙箱环境。文件系统快照功能可保存并恢复容器内某一时刻的状态,目前处于公开测试阶段,整体由 Durable Object 控制。

    udflareは同社のアプリケーションプラットフォームを急速にAIエージェント向けに最適化していると言ってよさそうです。 IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 (詳しいプロフィール) Publickeyの新着情報をチェックしませんか? Windows上でAIエージェントの実行を安全に隔離する「Microsoft Execution Containers」(MXC)正式リリース。ファイルやネットワークなどの境界を柔軟にカスタマイズ; Webアプリフレームワークの「SvelteKit 3」正式リリース。設定をViteに集約、型安全やエラー処理の改善など; 「情シスって楽しい」がテーマ。チームみらい安野党首、ひろゆき氏、OpenID Foundation崎村氏らが登壇。BTCONJP 2026[PR]; Deno開発元がCloudflareに合流。Denoの開発は終了へ、今後はCloudflare WorkersとDurable Objectsのオープンソース実装に注力; さくらインターネット、GPU専有によりトークン消費量を

    匹配字段正文

  3. The Rundown AI

    OpenAI 安全报告负责人 David Robinson 离职,称公司文化“broken”

    在 OpenAI 工作 3.5 年的安全负责人 David Robinson 离职,并在 The Atlantic 撰文称公司文化“broken”,认为 AI 安全风险已到“试错期结束”的时候。他此前负责 12 次前沿模型发布的安全报告,并起草了公司现行的 Preparedness Framework,主张实验室应像核电站和机场一样设置多层冗余。他的离职紧随 OpenAI 解雇 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 之后,后者被指将敏感信息传给外部安全组织。

    ng down from those beliefs. QUICK HITS ▸ John built a custom Outlook out-of-office notification system Today’s workflow comes from reader John Duval: I used Claude Code to build a Microsoft OOF management tool. When someone goes on vacation and forgets to turn on Outlook Out-of-Office notifications—what Microsoft calls OOF—we had to change their password, log in as them, and set up automatic replies. When they returned, we had to reset their password again. It was a pain. Now, authorized users f

    匹配字段正文

  4. Cohere 产品与研究博客

    Cohere 发布 North 2:面向企业的全栈智能体平台

    Cohere 推出 North 2 企业级智能体平台,采用重新设计的智能体编排系统,支持多步骤自动化与可复用智能体,并新增 Skills、Libraries、Memory、Applications、Automations 和 Connectors 等能力。平台模型无关,可自托管、VPC、混合或本地部署,支持气隙环境,并已通过 SOC 2 Type 2、ISO 27001 和 ISO 42001 认证。North Admin 提供细粒度成本控制、速率限制、用户配额和组织级上限。

    North 2 juxtaposed on a purple, green, and black background

    oring, and integrations with the tools you already use; Connectors: Connect North to your data, with new connectors including enterprise connectors to Slack, SharePoint, OneDrive, Microsoft Outlook, Microsoft Exchange, Jira, Linear, Notion, and GitHub, plus planned financial data providers PitchBook, Crunchbase, Daloopa, FiscalAI, S&P Global, FactSet, among others LG CNS leverages North to bring AI to customers at scale across South Korea to unlock real business value. “North gives enterprises a

    匹配字段正文

  5. MarkTechPost

    Cantina 发布开源安全模型 apex-flash-1,60 项漏洞任务解出 40 项

    Cantina Security 与 Yeta Labs 发布面向漏洞研究的开源权重模型 apex-flash-1,基于智谱 GLM-5.3-Flash 做强化学习微调,以 MIT 许可在 Hugging Face 发布。该模型总参数 321.3B,用 GRPO 加 rank-256 LoRA 训练,数据来自 50 个真实漏洞案例构建的 150 个任务。在 20 个留出漏洞案例的 60 项任务上解出 40 项(66.7% pass@1),单次运行约 2.38 美元,Claude Opus 5 High 解出 43 项(71.7%)但成本约 74.68 美元;BF16 部署约需 640 GB GPU 显存。

    lex datasets into actionable insights. Michal SutterGoogle Research Moves Federated Learning Into TEEs: Gboard Now Trains With Externally Verifiable Differential Privacy; Michal SutterDeepSeek Harness v0.2 Brings Official Desktop Apps to Its Open-Source Agent Harness; Michal SutterPrime Intellect Launches Prime Inference: Serverless and Reserved Serving for Frontier Open Models; Michal SutterMicrosoft AI Releases MAI-Transcribe-2-Streaming: 1 Real-Time Speech-to-Text Model on Artificial Analysis

    匹配字段正文

星期日

  1. Publickey

    Supabase 宣布收购 SQLite 数据库服务 Turso

    Supabase 宣布收购 SQLite 兼容数据库服务 Turso,Turso 在被收购后将继续照常提供服务。Supabase 表示,AI 智能体大量创建原型、仪表盘和分析用数据库,推高了数据库需求,而这类场景初期只需小规模数据库,因此启动快、成本低的 SQLite 方案更合适。Turso 基于 SQLite 分支 libSQL 提供 Turso Cloud,可在单台服务器托管数百万个数据库,并支持 MVCC 并行写入、向量搜索、加密和 S3 上的备份恢复;其 Rust 版 SQLite 兼容实现 Turso Database 和面向 AI 智能体的文件系统 AgentFS 仍在开发中。

    提供するとしています。 あわせて読みたい PostgreSQL RDB クラウド データベース DBaaS SQLite IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 (詳しいプロフィール) Publickeyの新着情報をチェックしませんか? Windows上でAIエージェントの実行を安全に隔離する「Microsoft Execution Containers」(MXC)正式リリース。ファイルやネットワークなどの境界を柔軟にカスタマイズ; Webアプリフレームワークの「SvelteKit 3」正式リリース。設定をViteに集約、型安全やエラー処理の改善など; 「情シスって楽しい」がテーマ。チームみらい安野党首、ひろゆき氏、OpenID Foundation崎村氏らが登壇。BTCONJP 2026[PR]; Deno開発元がCloudflareに合流。Denoの開発は終了へ、今後はCloudflare WorkersとDurable Objectsのオープンソース実装に注力; さくらインターネット、GPU専有によりトークン消費量を

    匹配字段正文

  2. Publickey

    State of Devs 2026 发布:全球开发者年收入中位数 9 万美元,近半数代码由 AI 生成

    Devographics 公布「State of Devs 2026」调查结果,5463 名开发者参与,年龄中位数 36 岁、经验中位数 12 年,年收入中位数为 9 万美元(约 1350 万日元),美国与以色列以 17.5 万美元居首,日本为 5 万美元。49% 的受访者表示自己 75% 以上的代码由 AI 生成,其中 21% 的人 AI 生成比例达 87.5%;另有 9% 完全不用 AI 写代码。

    の興味深い結果が示されていますので、詳細はぜひ「State of Devs 2026」の公式Webサイトをご覧ください。 IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 (詳しいプロフィール) Publickeyの新着情報をチェックしませんか? Windows上でAIエージェントの実行を安全に隔離する「Microsoft Execution Containers」(MXC)正式リリース。ファイルやネットワークなどの境界を柔軟にカスタマイズ; Webアプリフレームワークの「SvelteKit 3」正式リリース。設定をViteに集約、型安全やエラー処理の改善など; 「情シスって楽しい」がテーマ。チームみらい安野党首、ひろゆき氏、OpenID Foundation崎村氏らが登壇。BTCONJP 2026[PR]; Deno開発元がCloudflareに合流。Denoの開発は終了へ、今後はCloudflare WorkersとDurable Objectsのオープンソース実装に注力; さくらインターネット、GPU専有によりトークン消費量を

    匹配字段正文

  3. MarkTechPost

    Google Research 将联邦学习迁入 TEE:Gboard 现已采用可外部验证的差分隐私训练

    Google Research 发布基于 TEE 的新一代联邦学习系统,首次为联邦学习提供可外部验证的中心化差分隐私保证。Gboard 已用该系统上线英语和日语下一词预测模型,隐私更强且准确率提升;此前每个联邦学习模型训练需 1 到 2 个月,现在瓶颈转移到 TEE 资源。核心 TEE 二进制与 Federated Language 以 Apache 2.0 开源。

    transforming complex datasets into actionable insights. Michal SutterDeepSeek Harness v0.2 Brings Official Desktop Apps to Its Open-Source Agent Harness; Michal SutterPrime Intellect Launches Prime Inference: Serverless and Reserved Serving for Frontier Open Models; Michal SutterMicrosoft AI Releases MAI-Transcribe-2-Streaming: 1 Real-Time Speech-to-Text Model on Artificial Analysis; Michal SutterOpenAI Releases GPT-6.1 Sol: Near-Astra Coding and Computer Use at One-Fifth of Astra’s Token Price

    匹配字段正文

  4. MarkTechPost

    DeepSeek Harness v0.2 发布官方桌面应用

    DeepSeek 为其开源 agent harness dsh 发布官方桌面应用,随 v0.2 预览版一同提供,安装包覆盖 macOS(Apple silicon)和 Windows 64 位,可从 deepseek.com/harness 下载或运行 npx @deepseek-ai/dsh web,DeepSeek 提示后续会有破坏兼容性的改动。v0.2 预置办公与开发常用工具,新增插件管理页、文件与 diff 预览侧边栏、文档处理以及可定时执行提示词的 Automation Task,桌面版内置 dsh 命令,无需单独安装 Node.js 或 pnpm。dsh 于 2026 年 8 月以 MIT 协议开源,模型适配器、工具注册表和 agent loop 均为插件,支持第三方及 OpenAI 兼容端点,仓库已获 24 万 GitHub stars 和 2.9 万 forks;v0.2.1-alpha.1 还加入实验性的 Claude Code Mods 兼容层。

    ansforming complex datasets into actionable insights. Michal SutterPrime Intellect Launches Prime Inference: Serverless and Reserved Serving for Frontier Open Models; Michal SutterMicrosoft AI Releases MAI-Transcribe-2-Streaming: 1 Real-Time Speech-to-Text Model on Artificial Analysis; Michal SutterOpenAI Releases GPT-6.1 Sol: Near-Astra Coding and Computer Use at One-Fifth of Astra’s Token Price; Michal SutterOpenAI Launches dots: Always-On GPT-6 Astra Agents That Work From Their Own Cloud Comp

    匹配字段正文

  5. Wired AI

    Nvidia Shield TV Pro 因 AI 推高内存成本涨价 100 美元

    Nvidia 宣布 Shield TV Pro 即刻涨价 100 美元,新价格为 299.99 美元。Nvidia 发言人表示,包括内存在内的组件成本在全行业大幅上涨,该设备 2019 年发布时售价 199.99 美元。涨价后这款主打编解码支持和 Plex 服务器能力的电视盒子对普通流媒体用户吸引力进一步下降。

    ducts launch at higher prices than their predecessors, and many end up getting more expensive during their lifetimes. Game consoles have been particularly affected, with Nintendo, Microsoft, and Sony all bumping the prices of their current-gen hardware. The PS5 Pro, for example, has gone from $699.99 at launch in 2024 to $899.99 today. Stock of the Shield TV Pro has been slim for the last few months, probably because it became too expensive to manufacture new units with component prices rising s

    匹配字段正文

  6. Hugging Face

    微软发布 ThinkingBox:智能体工具调用成功不等于数据库状态正确

    微软 Copilot Studio 团队联合 Toloka 等发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准,主张最终回复和合法工具调用只是代理指标,只有数据库终态才是证据。在覆盖 12 个 LLM、121,680 次有效试验的消融中,79,853 次未通过可执行检查,其中 67.24% 仍干净终止、调用了改状态工具且未报最终工具错误,可执行检查在这些失败中发现 77.61% 字段值错误、43.30% 多余副作用、25.36% 缺失必要效果。每个任务在隔离后端上独立运行 20 次,Claude Opus 5.5 以 67.16% pass@1 领先,但只有 GPT-6 Astra、Claude Opus 5.5 和 Claude Opus 5 保留了大部分单次成绩;Kimi-K3 覆盖最广(507 个任务中 476 个至少成功一次),却只有 13.41% 任务 20 次全过。环境与数据集已在 Hugging Face 开源,代码 MIT 许可。

    ; say whether you are reporting best-of-k or every-of-k, and how you computed it. Further details can be found in the following links: Environment: envs/thinkingbox env Framework: microsoft/thinkingbox · tutorial Benchmark: microsoft/thinkingbox-data · v1.0 release Dataset viewer: microsoft/ThinkingBox-Bench Paper: arXiv:2608.19741 or HF RL training (coming soon): microsoft/thinkingbox-training ThinkingBox code is MIT-licensed; the benchmark data is CDLA-Permissive-2.0 ; the OpenEnv environment

    匹配字段正文

星期六

  1. Latent Space

    AINews:GPT-6.1 Sol 与 Sonnet 5.5 重塑成本性能前沿

    OpenAI 发布 GPT-6.1 Sol,定价 $2/$10 每百万输入/输出 token,比 GPT-6 Sol 便宜 39% 且 Agent Arena 得分高 1.52 分,比 Astra 便宜 81%。Anthropic 的 Sonnet 5.5 在 Agent Arena 首秀排名第 3 并拿下 Chat 类别第 1,Anthropic 模型占据该榜前三。StepFun 的 Step 5 Preview 以 $2.54 每任务在开源权重模型中排名第 7,支持 1M token 上下文窗口。

    bs reports that a dedicated controller lifts GPT-5.5 on ProgramBench from 63.7% to 71.5%, using the same workers and budget, versus 58.0% for Codex (@dair ai).Context compression: Microsoft’s training-free FOCUS cuts peak context by up to 48% and raises task success by up to 8.9 points (@dair ai); Long-context degradation: NVIDIA’s Long-Transduction study measures a 62.8% accuracy drop from 4K to 128K context across seven open models (@dair ai); Multi-agent coordination: In AgentWorld, fewer tha

    匹配字段正文